一种基于遥感影像的火烧迹地提取方法及装置

摘要

本发明公开了一种基于遥感影像的火烧迹地提取方法及装置，方法包括：获取研究区的森林多光谱图像，对多光谱图像进行预处理；计算一个植被相关指数，将植被相关指数进行归一化；读入研究区矢量范围，对矢量范围进行裁剪；依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。本发明能够实现预处理和提取自动化，只使用一种植被指数，结合面积阈值，流程更加简化，就可以实现总体精度为90％，Kappa系数为0.85的提取精度，更加简单快捷，提升提取精度与效率。

说明书

技术领域

本发明涉及林火监测技术领域，尤其涉及一种基于遥感影像的火烧迹地提取方法及装置。

背景技术

遥感提取全球和区域尺度火烧迹地主要使用低分辨率的NOAA-AVHRR，MODIS和SPOT-VEGETATION，较高分辨率的TM/ETM+或者SAC-C/MMRS等数据，其在火烧迹地提取上具有很高的潜力。

目前遥感提取火烧迹地的方法主要有植被指数法，基于规则、决策树和支持向量机等监督分类方法。基于火灾前后植被指数变化也是一种精度较高的方法，但局限于需要同时使用灾前和灾后遥感影像。植被指数法能容易实现程序自动化提取，常用于提取火烧迹地的植被指数有NDVI、EVI、归一化燃烧指数(NBR)、GEMI和BAI等。

现有技术总体精度为84.52，Kappa系数为0.81，提取精度还不够高，且需要的指数较多；目前还有基于深度学习提取水体的技术方案，模型更加复杂，样本的选择及训练过程等需要花费大量时间，对于小型项目的契合度却不高。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于遥感影像的火烧迹地提取方法解决现有中压配电网N-1分析工作量比较大，严重限制了计算速度，导致在实际应用中效率低的问题。

为解决上述技术问题，本发明提供如下技术方案：

第一方面，本发明提供了一种基于遥感影像的火烧迹地提取方法，包括：

获取研究区的森林多光谱图像，对所述多光谱图像进行预处理；

计算一个植被相关指数，将所述植被相关指数进行归一化；

读入研究区矢量范围，对所述矢量范围进行裁剪；

依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；

依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。

作为本发明所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：所述预处理包括，对多光谱图像数据进行辐射定标、大气校正和PRC正射校正。

作为本发明所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：所述植被相关指数为BAI指数；

将所述植被相关指数进行归一化，包括，

读取BAI指数的最大值与最小值；

依据所述最大值与最小值进行归一化，表示为：

NBAI＝(BAI-BAI

其中NBAI代表归一化后的BAI指数，BAI代表影像中任意一点的BAI指数值，BAI

作为本发明所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：读入研究区矢量范围，对所述矢量范围进行裁剪包括，

依据任意火烧迹地所处的范围划分一个或多个矩形，

将所述矩形之外的矢量范围进行裁剪，所保留的矩形为第一裁剪范围。

作为本发明所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化，包括，

所述第一阈值设为0.28；

将大于第一阈值的第一裁剪范围进行提取，获得第一提取范围；

将第一提取范围栅格转化为矢量，得到第二提取范围；

计算第二提取范围的每个矢量的面积。

作为本发明所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：依据第二提取范围位置，设定投影坐标系；

将第二提取范围在所设定的投影坐标系中进行投影，计算投影面积。

作为本发明所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：依据第二阈值对转化后区域进行筛选，包括，

所述第二阈值设为100亩；

将小于第二阈值的第二提取范围进行筛选，得到杂波范围；

将杂波范围进行删除，得到最终火烧迹地区域。

第二方面，本发明提供了一种基于遥感影像的火烧迹地提取装置，包括，

获取模块，用于获取研究区的森林多光谱图像，对所述多光谱图像进行预处理；

计算模块，用于计算一个植被相关指数，将所述植被相关指数进行归一化；

裁剪模块，用于读入研究区矢量范围，对所述矢量范围进行裁剪；

提取模块，用于依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；

筛选模块，用于依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。

第三方面，本发明提供了一种电子设备，包括，存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于遥感影像的火烧迹地提取方法的步骤。

第四方面，本发明提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于遥感影像的火烧迹地提取方法的步骤。

与现有技术相比，本发明的有益效果：本发明能够实现预处理和提取自动化，只使用一种植被指数，结合面积阈值，流程更加简化，可以实现总体精度为90％，Kappa系数为0.85的提取精度，更加简单快捷，提升提取精度与效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明一个实施例所述的基于遥感影像的火烧迹地提取方法的整体流程示意图；

图2为本发明一个实施例所述的基于遥感影像的火烧迹地提取方法中BAI指数与其他指数在不同地类上的分离度对比图；

图3为本发明一个实施例所述的基于遥感影像的火烧迹地提取方法中BAI指数不同阈值提取结果图；

图4为本发明一个实施例所述的基于遥感影像的火烧迹地提取方法中50亩和100亩阈值提取的火烧迹地图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1，为本发明的一个实施例，提供了一种基于遥感影像的火烧迹地提取方法，包括：

S1：获取研究区的森林多光谱图像，对多光谱图像进行预处理；

更进一步的，预处理包括，对多光谱图像数据进行辐射定标、大气校正和PRC正射校正。

应说明的是，作为一种优选可以使用IDL编程读取GF1 WFV数据，调用ENVI的辐射定标模块、大气校正模块和RPC正射校正预处理模块，进行预处理。

S2：计算一个植被相关指数，将植被相关指数进行归一化；

更进一步的，植被相关指数为BAI指数；

将植被相关指数进行归一化，包括，

读取BAI指数的最大值与最小值；

依据最大值与最小值进行归一化处理，表示为：

NBAI＝(BAI-BAI

其中NBAI代表归一化后的BAI指数，BAI代表影像中任意一点的BAI指数值，BAI

应说明的是，选用BAI指数能够提供最高的区分度，BAI指数的计算只需要近红外波段和红光波段的反射率即可进行运算。

S3：读入研究区矢量范围，对矢量范围进行裁剪；

更进一步的，读入研究区矢量范围，对矢量范围进行裁剪包括，

依据任意火烧迹地所处的范围划分一个或多个矩形，

将矩形之外的矢量范围进行裁剪，所保留的矩形为第一裁剪范围。

S4：依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；

更进一步的，依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化，包括，

第一阈值设为0.28；

将大于第一阈值的第一裁剪范围进行提取，获得第一提取范围；

将第一提取范围栅格转化为矢量，得到第二提取范围；

计算每个矢量的面积。

更进一步的，依据第二提取范围位置，设定投影坐标系；

将第二提取范围在所设定投影坐标系中进行投影，计算投影面积。

应说明的是，选取0.28值相比其他阈值能够更精准提取出包含火烧迹地和其他小面积杂波的区域。

S5：依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。

更进一步的，依据第二阈值对转化后区域进行筛选，包括，

第二阈值设为100亩；

将小于第二阈值的第二提取范围进行筛选，得到杂波范围；

将杂波范围进行删除，得到最终火烧迹地区域。

应说明的是，使用面积阈值100亩能够将杂波滤精确除掉。

上述为本实施例的一种基于遥感影像的火烧迹地提取方法的示意性方案。需要说明的是，该基于遥感影像的火烧迹地提取装置的技术方案与上述的基于遥感影像的火烧迹地提取方法的技术方案属于同一构思，本实施例中基于遥感影像的火烧迹地提取装置的技术方案未详细描述的细节内容，均可以参见上述基于遥感影像的火烧迹地提取方法的技术方案的描述。

本实施例中基于遥感影像的火烧迹地提取装置，包括：

获取模块，用于获取研究区的森林多光谱图像，对多光谱图像进行预处理；

计算模块，用于计算一个植被相关指数，将植被相关指数进行归一化；

裁剪模块，用于读入研究区矢量范围，对矢量范围进行裁剪；

提取模块，用于依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；

筛选模块，用于依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。

本实施例还提供一种计算设备，适用于累计爬升高度计算的情况，包括：

存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的实现基于遥感影像的火烧迹地提取方法。

本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的实现基于遥感影像的火烧迹地提取方法。

本实施例提出的存储介质与上述实施例提出的基于遥感影像的火烧迹地提取方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(ReadOnly，Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

实施例2

参照图2-4，为本发明的一个实施例，提供了一种基于遥感影像的火烧迹地提取方法，为了验证其有益效果，提供了两种方案的对比结果。

对于BAI指数的选取，将其与其他参数进行比较，可见图2。

从图2可以看出，BAI指数的火烧迹地与其他所有地类的分离度均大于1，具有最大的可区分度，而其他指数存在分离度小于1的情况，因而BAI指数优于其他指数。

图3为不同BAI阈值下的提取图，按照从左至右，从上至下的顺序，分别为(a)、(b)、(c)、(d)，其中，(a)为0.24、(b)为0.28、(c)为0.30以及(d)为0.38的对比图。

从图3中可以知道，随着阈值的增加，粗提取的面积越少，为保证真正的火烧迹地提取面积，设置值为0.28的结果是合适的。

图4为不同亩数下的提取图。从左至右为使用50亩(a)和100亩(b)阈值提取的火烧迹地.

从图4可知，分别使用50亩和100亩这两个阈值，可以看出得到的结果都比较好，但100亩的阈值提取的结果，非火烧迹地更少，考虑到大部分火烧迹地的规模，100亩是合适的。

应说明的是，以上实施例仅用于说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。